Японские ученые применили машинное обучение для оптимизации синтеза полимера

Японские исследователи использовали методы машинного обучения для оптимизации процессов производства полимеров. Ожидается, что это значительно повысит качество и эффективность выпускаемых пластиков.
183 просмотров
Японские ученые применили машинное обучение для оптимизации синтеза полимера

Группа ученых под руководством профессора Микии Фудзии из Института науки и технологий Нары (NAIST, Nara Institute of Science and Technology, Икома, Япония) применила машинное обучение для математического моделирования процесса полимеризации и сокращения необходимости в трудоемких и дорогостоящих экспериментах.

Синтез в проточном реакторе с двумя емкостями, содержащими мономер, инициатор и растворитель, смешанные с помощью микромиксера, контролировался с помощью проектирования экспериментальных условий на основе искусственного интеллекта и таких данных, как температура и скорость потока.

Схема процесса полимеризации для генерации экспериментальных данных. Изображение: Nara Institute of Science and Technology
Схема процесса полимеризации для генерации экспериментальных данных. Изображение: Nara Institute of Science and Technology

Создание экспериментальных данных

Команда ученых разработала процесс полимеризации, который быстро и эффективно генерирует экспериментальные данные для ввода в математическую модель.

Целевая молекула — сополимер стирола (СМ) и метилметакрилата (ММА) был получен путем смешивания мономеров стирола и метилметакрилата, уже растворенных в растворителе с добавленным инициирующим веществом, а затем нагревания их в водяной бане.

Исследователи применили метод, называемый синтезом потока, в котором два раствора мономеров смешиваются и нагреваются в постоянном потоке. Это позволяет лучше смешивать, эффективнее нагревать и точнее контролировать время нагрева и скорость потока.

Математическое моделирование и процесс машинного обучения

Моделирование оценивало влияние пяти ключевых переменных в процессе полимеризации — концентрации инициатора, соотношения растворителя к мономеру, доли стирола, температуры реакции и времени, проведенного в водяной бане.

Цель опыта — получение конечного продукта с содержанием стирола как можно ближе к 50%.

Когда было получено достаточно экспериментальных данных, процессу машинного обучения потребовалось всего пять циклов расчета для достижения идеальной пропорции стирола и метилметакрилата.

Результаты показали, что ключом к успеху была более низкая температура и более длительное время в водяной бане, а также снижение относительной концентрации мономера в растворителе.

Результаты опубликованы в журнале Science and Technology of Advanced Materials.

Источник:

Поделиться материалом: